公开(公告)号：CN117898727A

公开(公告)日：2024-04-19

申请号：CN202410079618.5

申请日：2024-01-19

Applicant: 东北大学秦皇岛分校

Inventor： 邹智恺 ,  李建 ,  尚明英 ,  吕晓永 ,  许嘉桐 ,  赵银凇

IPC: A61B5/16 ,  G06V40/20 ,  G06V40/16 ,  G06V10/82 ,  G06V10/764 ,  G06V10/766 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  A61B5/11 ,  A61B5/00

Abstract: 本发明涉及抑郁症检测技术领域，尤其涉及一种基于步态和面部表情变化分析的抑郁症检测方法。包括以下步骤:获取待测用户行走时的步态数据及面部表情变化视频；对所述步态数据进行特征图像编码处理，获得步态特征图像；对所述面部表情变化视频进行特征图像编码处理，获得面部表情特征图像；基于完成训练的CNN‑LSTM模型，对所述步态特征图像和面部表情特征图像进行处理，得到预测结果。本发明提出了一种基于步态和面部表情变化分析的抑郁症检测方法，有效提高了抑郁症检测的准确度。

公开(公告)号：CN119673480A

公开(公告)日：2025-03-21

申请号：CN202510200974.2

申请日：2025-02-24

Applicant: 东北大学秦皇岛分校

Inventor： 刘一泓 ,  詹志坤 ,  黄京辉 ,  吕晓永 ,  赵玉良 ,  尚明英

IPC: G16H50/70 ,  G16H10/60 ,  G16H50/20 ,  G16H50/30 ,  G06F18/213 ,  G06F18/21 ,  G06F18/24 ,  A61B5/11 ,  A61B5/00

Abstract: 本发明涉及智能检测技术领域，具体为一种基于数据识别的帕金森智能检测方法及系统，包括以下步骤，通过智能手表、腕带和移动步态检测仪采集用户生理和运动数据，记录步态速度、步幅长度和手部震颤频率，分析手部运动的平滑性，记录每个数据点的时间戳，将数据按照时间顺序组织，得到时间序列数据集。本发明中，通过智能设备收集的生理和运动数据经过时间序列化处理，细致追踪帕金森病症的每一微小变化，利用神经网络对时间片段数据进行分析，有效区分正常与异常模式，并精确提取关键行为特征，不仅增强了对帕金森病早期判断的能力，还通过持续监控帮助医生及时调整治疗方案，显著改善了患者的生活质量并提供了连续的医疗决策支持。

公开(公告)号：CN117883075A

公开(公告)日：2024-04-16

申请号：CN202410078026.1

申请日：2024-01-19

Applicant: 东北大学秦皇岛分校

Inventor： 李建 ,  尚明英 ,  邹智恺 ,  吕晓永 ,  许嘉桐

IPC: A61B5/11 ,  G06V20/40 ,  G06V40/20 ,  G06V10/764 ,  G06V10/771 ,  G06T7/00

Abstract: 本发明属于计算机技术领域，特别涉及一种基于人体姿态分析的无接触式姿态提取系统和帕金森等级预测方法。一种基于人体姿态分析的帕金森等级预测方法包括：获取用户行走时的运动视频；使用无接触式的姿态提取系统提取和计算所述运动视频的关节坐标，获取运动特征；对所述运动特征进行预处理操作和特征重要性分析，获取处理后的运动特征；采用特征加权改进的K‑近邻，对所述运动特征进行识别，获取帕金森严重性等级的预测结果。一种基于人体姿态分析的无接触式姿态提取系统包括：姿态坐标提取模块和姿态特征提取模块。通过上述技术方案不仅提高了对帕金森等级预测的时效性，还有效提高了检测的准确性和精度。